Exploring English-Speaking Anxiety, Vocabulary Size, and Their Relationship Among High- and Low-Performing Thai University Students
Notice bibliographique
Résumé
This study examines English speaking anxiety, vocabulary size, and the relationship between English language speaking anxiety and vocabulary size among Thai university students, specifically analyzing differences between high- and low-performance groups. A sample of 438 undergraduate students enrolled in a Communicative English course participated in the research, utilizing the Updated Vocabulary Level Test (UVLT) to measure vocabulary size and a speaking anxiety questionnaire to evaluate anxiety levels. The Rasch analysis shows that the speaking anxiety questionnaire indicates model fit, one-dimensionality with an eigenvalue of 1.85, local independence, and person reliability of 0.894 (p < .001), reflecting the good quality of the instrument. The findings show that both high- and low-performing students experience significant levels of speaking anxiety, with mean anxiety scores ranging from 73% to 75%. Interestingly, similar levels of English speaking anxiety are exhibited by two groups. It also shows that only the high-performance group is likely to mastery the first 1000 words level and progress to another level. A significant relationship was observed between vocabulary size and English speaking anxiety. Although vocabulary size has a minimally positive correlation with speaking anxiety, it suggests a complex interrelationship between vocabulary size and speaking proficiency, with trait worry leading to high cognitive load and difficulty maintaining performance. This study underscores the critical need for language educators to address both vocabulary enhancement and anxiety reduction strategies in their teaching practices. Future studies should explore specific interventions aimed at mitigating anxiety and enhancing vocabulary acquisition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».